| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·论文研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文研究内容及结构 | 第12-14页 |
| 第2章 多源信息融合相关技术 | 第14-29页 |
| ·多源信息融合原理 | 第14-15页 |
| ·多源信息融合级别 | 第15-17页 |
| ·多源信息融合的关键技术及融合方法 | 第17-19页 |
| ·多源信息融合的关键技术 | 第17-18页 |
| ·多源信息融合方法分析 | 第18-19页 |
| ·D-S证据理论融合算法 | 第19-24页 |
| ·D-S证据理论相关知识 | 第19-21页 |
| ·合成规则和决策方法 | 第21-23页 |
| ·证据理论的决策过程 | 第23-24页 |
| ·以改进合成规则为目的D-S证据理论融合算法 | 第24页 |
| ·BP神经网络融合算法 | 第24-28页 |
| ·BP神经网络相关知识 | 第24-25页 |
| ·BP神经网络结构设计 | 第25-26页 |
| ·BP神经网络融合过程 | 第26-28页 |
| ·BP神经网络融合算法应用及分析 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 一种基于上下文权值的多源信息复合融合方法 | 第29-43页 |
| ·D-S证据理论和BP神经网络融合算法分析 | 第29-32页 |
| ·D-S证据理论融合算法的不足及改进 | 第29-31页 |
| ·BP神经网络的不足及改进 | 第31-32页 |
| ·基于上下文权值的多源信息复合融合方法思想 | 第32-34页 |
| ·基于上下文权值的D-S证据理论和BP神经网络复合融合方法 | 第34-37页 |
| ·分组及组内融合方法权值分配方法 | 第34-36页 |
| ·BP网络的建立与训练 | 第36页 |
| ·算法流程 | 第36-37页 |
| ·算法分析 | 第37页 |
| ·实验及结果分析 | 第37-41页 |
| ·实验准备 | 第37-39页 |
| ·常规数据实验 | 第39-40页 |
| ·异常数据实验 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 一种基于聚类的多源信息融合方法 | 第43-53页 |
| ·问题描述 | 第43页 |
| ·多传感器事件判别模型 | 第43-44页 |
| ·基于聚类的多源信息融合方法 | 第44-51页 |
| ·基于聚类的融合方法思想 | 第44页 |
| ·聚类中心选择算法 | 第44-48页 |
| ·距离聚类计算方法 | 第48-50页 |
| ·基于聚类的多源信息融合方法流程 | 第50-51页 |
| ·算法分析 | 第51页 |
| ·实验及结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |